(linux+cpu)YOLOv3训练自己的数据

最新推荐文章于 2025-06-20 18:00:17 发布

Anne琪琪

最新推荐文章于 2025-06-20 18:00:17 发布

阅读量7k

点赞数 5

CC 4.0 BY-SA版权

文章标签： yolov3

本文链接：https://blog.youkuaiyun.com/FJY_sunshine/article/details/82590440

本文介绍了如何在Linux环境下利用YOLOv3训练自己的数据集。首先，从官方下载YOLOv3并进行初步检测。接着，详细描述了创建数据集结构、图片重命名、使用labelImg进行标注、生成train和test文本文件的过程。然后，下载并修改voc_label.py文件进行标注转换，并下载预训练模型。最后，修改配置文件并开始训练，解决了训练过程中的错误问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.下载官网的YOLOv3，打开终端输入：git clone https://github.com/pjreddie/darknet

下载完成之后，输入：cd darknet，然后再输入：make，

make完成之后，下载预先训练的weights文件，通过在终端里输入：wget https://pjreddie.com/media/files/yolov3.weights，然后就可以运行检测器了，在终端里输入：./darknet detect cfg/yolov3.cfg yolov3.weights data/doa.jpg(这条命令得在darknet目录下运行)，会得到这样的结果：

2.开始训练自己的数据

（1）在darknet目录下新建一个voc命名的文件夹，voc文件夹里新建VOCdevkit文件夹，在VOCdevkit文件夹里新建VOC2018文件夹，在VOC2018文件夹下新建Annotations,ImageSets,JPEGImages,SegmentationClass,SegmentationObject这五个文件夹，在ImageSets文件夹下新建Main文件夹。其中Annotations里存放所有标注了图片的xml文件，JPEGImages文件夹里存放所有的图片，Main中放train.txt和test.txt，至于SegmentationClass,SegmentationObject这两个文件夹我没有用到。

（2）图片重命名，使用VOC的命名方式，这种：000012。重命名代码如下，根据自己的路径修改后就可以用：

# -*- coding: utf-8 -*-
import os
path = "/home/f/image/Aft_Original_Crack_DataSet_Second"
filelist = os.listdir(path) #该文件夹下所有的文件（包括文件夹）
count=0
for file in filelist:
    print(file)
for file in filelist:   #遍历所有文件
    Olddir=os.path.join(path,file)   #原来的文件路径
    if os.path.isdir(Olddir):   #如果是文件夹则跳过
        continue
    filename=os.path.splitext(file)[0]   #文件名
    filetype=os.path.splitext(file)[1]   #文件扩展名
    Newdir=os.path.join(path,str(count).zfill(6)+filetype) #用字符串函数zfill 以0补全所需位数
    os.rename(Olddir,Newdir)#重命名
    count+=1

（3）标注图片，我使用的是labelImg。下载网址：https://github.com/tzutalin/labelImg

下载完成之后，再根据这个网址里面的安装方法进行